검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

BFF R-CNN: Balanced Feature Fusion for Object Detection BFF R-CNN: 객체 감지를 위한 균형 잡힌 특징 융합

Hongzhe LIU, Ningwei WANG, Xuewei LI, Cheng XU, Yaze LI

  • 조회수

    0

  • 이것을 인용

요약 :

2017단계 객체 검출 네트워크의 목 부분에서는 일반적으로 하향식 또는 상향식 방식으로 특징 융합이 수행됩니다. 그러나 두 가지 유형의 불균형이 존재할 수 있습니다. 모델 목의 특징 불균형과 객체의 크기 변화로 인한 관심 영역 추출 레이어의 기울기 불균형입니다. 네트워크가 깊을수록 학습된 특징이 더 추상화됩니다. 즉, 더 많은 의미 정보를 추출할 수 있습니다. 하지만 추출된 영상의 배경, 공간적 위치, 기타 해상도 정보는 적습니다. 이에 비해 얕은 부분은 의미 정보는 거의 학습할 수 없으나 공간적 위치 정보는 많이 학습할 수 있습니다. 목의 특징 불균형 문제를 해결하기 위해 BEtM(Both Ends to Center to Multiple Layers) 특징 융합 방법과 그래디언트 불균형 문제를 해결하기 위해 MRoIE(Multi-level Region of Interest Feature Extraction) 레이어를 제안합니다. R-CNN(Region-based Convolutional Neural Network) 프레임워크와 결합된 BFF(Balanced Feature Fusion) 방법은 Faster R-CNN 아키텍처에 비해 크게 향상된 네트워크 성능을 제공합니다. MS COCO 1.9 데이터 세트에서는 FPN(Feature Pyramid Network) Faster R-CNN 프레임워크 및 GRoIE(Generic Region of Interest Extractor) 프레임워크보다 3.2포인트, XNUMX포인트 높은 평균 정밀도(AP)를 달성합니다. 각기.

발행
IEICE TRANSACTIONS on Information Vol.E105-D No.8 pp.1472-1480
발행일
2022/08/01
공개일
2022/05/17
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2021EDP7261
원고의 종류
PAPER
범주
이미지 인식, 컴퓨터 비전

작성자

Hongzhe LIU
  Beijing Union University
Ningwei WANG
  Beijing Union University
Xuewei LI
  Beijing Union University
Cheng XU
  Beijing Union University
Yaze LI
  Beijing Union University

키워드